2)PCA的作图
PCA主成分分析,可以将高维数据进行降维处理。我们的OTU表格就是典型的高维数据,可以对其进行降维处理得到主成分PC1和PC2,然后将所有样品都分解到这两个成分方向,进行散点绘图,可以直观的看出样品间的差异。首先需要一系列的统计处理,然后用ggplot2进行绘图,过程如下:
#加载需要的三个包(需要先下载,再加载)
> library(ade4)
>library(ggplot2)
>library(grid)
#读入OTU表格,设置表头为列名,第一列为行名,文件是由\t分隔的
> data
#查看data数据的前六行,会出现如下的表格,每行代表一个OTU,每列代表一个样品,表格中的数字代表该OTU在该样品中的丰度信息
> head(data)
#读入分组的表格,将样品每6个分组成为CK,TN,TP组
> groups
#将data数据转置
> data
#用dudi.pca函数对data数据进行处理,得到的结果存入pca对象中
> pca =dudi.pca(data[,1:ncol(t(data))], scannf=F, nf=5)
#查看pca的格式,它是一个13个元素的列表,我们可以根据不同的需求提取其中不同的部分进行下一步操作
> str(pca$li)
#PC1和PC2的选